長期以來，醫生都是用肉眼檢視醫學影象，來確定癌症**過程。不過來自fraunhofer醫學影象計算研究所的研究人員開發的軟體，可以提示中的變化，用深度學習加速診斷過程。
在**過程中，醫生需要回答腫瘤是否有收縮，是否有新的腫瘤發展，這樣的問題。為此他們通常會進行ct和mri掃瞄，然後觀察影象進行評估。這一過程中難免出現差錯，但軟體可以確實腫瘤的體積如何隨著時間的變化而變化，並幫助檢測新腫瘤。這種新的程式由模組化的處理元件組成，可以幫助醫療技術製造商自動監測進度。
程式使用了深度學習技術，它有助於影象分割，期間專家會指定出精確的器官輪廓。現有的分割程式會根據清晰的影象特徵來完成這一過程，比如一定的灰度值。但這往往會產生錯誤，比如軟體會將不屬於某一器官的區域分給它。這些錯誤要由醫生來糾正，但通常很耗時。
新的深度學習方法則可以改善結果，節省時間。研究人員用149個患者的ct肝臟影象訓練軟體，結果表明，程式分析的資料越多，就越能自動識別出肝臟輪廓。
新方法的另一應用是影象配準，即軟體會將不同條件下患者的影象進行匹配，方便醫生進行比較。機器學習可以幫助定位軀幹中的骨轉移 (原發於身體其他部位的惡性腫瘤，通過各種途徑轉移至骨骼並在骨內繼續生長所形成子腫瘤)，這都是極困難的任務。目前，這種轉移往往會因為臨床診斷的時間限制而被忽視，但深度學習方法能幫助盡早發現，提高**效果。
深度學習（一）深度學習學習資料
持續更新 一 學習清單 1 收集了各種最新最經典的文獻，神經網路的資源列表 2 計算機視覺學習清單 3 機器學習學習清單 二 訓練資料 人臉資料 1 香港中文大學訓練資料集 此資料庫包含了20w張人臉，每張標註了5個特徵點 以及幾十種屬性 是否微笑 膚色 髮色 性別等屬性 2 68個人臉特徵點 3 ...
深度學習 資料蒐集
這個部落格的博主總結得，算是入門最快的乙份資料了 卷積神經網路 深度學習也有許多種不同的實現形式，根據解決問題 應用領域甚至 作者取名創意的不同，它也有不同的名字 例如卷積神經網路 convolutional neural networks 深度置信網路 deep belief networks 受...
深度學習資料集
海量資料 又稱大資料 已經成為各大網際網路企業面臨的最大問題，如何處理海量資料，提供更好的解決方案，是目前相當熱門的乙個話題。類似mapreduce hadoop等架構的普遍推廣，大家都在構建自己的大資料處理，大資料分析平台。相應之下，目前對於海量資料處理人才的需求也在不斷增多，此類人才可謂炙手可熱...